基于多小波变换的遥感图像模糊融合算法研究

基于多小波变换方法,提出了一种针对多光谱图像和全色图像的像素级遥感图像模糊推理融合算法.该算法首先利用IHS变换对多光谱图像进行颜色空间转换,然后对1分量和灰度拉伸后的全色图像进行多小波分解分别得到高频部分和低频部分图像.针对高频图像抗噪能力差的问题,提出了一种基于模糊推理的加权融合规则.对融合后的图像进行多小波重构和...     

基于小波变换的遥感图像处理分析

通过介绍小波变换理论及其最新进展，主要分析小波变换在遥感图像压缩、图像去噪、多源传感器影像融合、遥感图像边缘提取、分类等方面的主要应用。随着小波理论的进一步发展，其必将在遥感领域发挥更重要的作用。     

基于小波理论的遥感影像融合方法的研究

简要总结在遥感影像融合方面的小波变换的方法,针对此方法的不足提出基于小波包变换的影像融合方法。首先论述小波包变换的原理、方法、以及小波包分解与重构的算法,然后对QuickB ird 0.61全色影像和2.4米多光谱影像进行融合,结果表明基于小波包变换的影像融合效果较好。     

ETM影像小波变换数据融合在土地利用中的分类研究

在ERDAS软件支持下，对ETM遥感影像数据的TM1-TM5，TM7与其全色波段TM8进行小波变换融合，对融合后的影像采用混合分类方法进行土地利用分类。并对其分类结果进行评价，总体精度达到95．43％，研究结果表明此方法可行有效。     

基于IHS与NSST的矿井彩色低照度图像融合算法

针对矿井工作环境能见度低,光照条件差,人员检测效果不佳的问题,提出了一种基于IHS(Intensity-Hue-Saturation)与非下采样剪切波变换NSST (Non-subsampled Shearlet Transform)的矿井彩色低照度图像融合算法。三通道彩色图像通过IHS逆变分别得到亮度分量和色度分量;使用NSST逆变换的方法对亮度分量进行分解,系数选择方案使用绝对值取大的方式,得到新的亮度分量;最后,通过IHS逆变换将已有的色度分量和亮度分量进行图像融合,得到最终结果。基于IHS与NSST的彩色低照度图像融合算法可有效提升矿井彩色低照度图像融合性能,减小矿井彩色低照度图像光谱失真,且能较好地保持空间特征信息,支持后续矿井彩色低照度图像中人员的识别与检测任务。     

基于小波变换的遥感影像融合与评价

阐述了小波变换的Mallat算法，同时对遥感影像融合的分析与评价进行了深入的探讨，提出了综合利用三类统计参数来进行评价的方法.经实验，评价结果与理论分析结果和目视效果相吻合，说明这些参数可以作为遥感影像融合的客观效果评价准则.     

基于小波分解下多源图像融合

在分析基于小波分解变换的多源图像融合方法的基础上,提出了一种采用基于区域的融合规则的小波分解,通过仿真实验,运用客观评价指标验证了其可行性,同时对此进行分析,得出了基于4层小波分解的图像融合的较优性。     

探讨基于多小波的图像融合技术

基于多小波的图像融合具有良好的效果,具备比较直观等优点。文章剖析了多小波图像融合的原理,重点研究了基于多小波的图像融合的实现,涉及到多小波基、多小波分解层数及融合规则的合理选择,通过实验分析基于多小波图像融合技术的有效性。     

基于频率域的遥感图像融合算法

为了能够更好地把多源数据进行融合，来提高对图像信息的分析和提取能力，需要使用有效的融合算法，其中基于频率域的融合方法因其可以将图像分解为不同频带的子图像，由其子图像进行融合得到的效果非常理想，得到了人们的重视，而金字塔和小波分解算法是最热门的，本文总结了金字塔和小波方法，并且以全色图像和多光谱图像融合为例作了分析。     

双树复小波变换域矿区遥感图像自适应滤波

矿区遥感图像因受成像环境、成像器件固有缺陷等因素的影响容易出现不同程度的失真,为此,结合双树复小波变换（Dual-tree complex wavelet transform,DTCWT）多尺度图像分析的优良特性,提出了一种矿区遥感图像自适应滤波算法。首先对获取的视觉效果不佳的遥感图像进行直方图均衡化处理,使得增强后的图像灰度分布较为合理,提高图像的对比度;然后对增强后的图像进行双树复小波变换,对获得的高频分解系数采用改进的多级中值滤波算法进行处理;最后,将低频分解系数与滤波后的高频分解系数进行逆双树复小波变换。其中改进的多级中值滤波算法相对于经典多级中值滤波算法进行了2点改进：①将原有的4个方向滤波窗口扩展为7个,更有利于保持图像中信息的多方向特性;②对新增设的3个滤波窗口分别进行加权中值滤波,将上述7个滤波窗口的滤波值采用一种基于图像灰度值相关性的判别方法进行处理,剔除与待滤波像素点相关性不强的滤波值,将剩余的滤波值计算均值输出;MATLAB平台试验结果表明：新算法的总体性能相对于经典多级中值滤波、中值滤波、双边滤波等算法而言,优势较为明显。     

基于小波阈值法的矿山遥感图像非局部均值去噪

矿山遥感图像在获取、压缩、传输、解码的过程中易混入大量随机噪声,导致图像清晰度较低,难以直接进行分析研究。为此,将小波变换与非局部均值滤波算法(Non-local means filtering algorithm,NLM)相结合提出了一种基于小波阈值法的矿山遥感图像非局部均值去噪算法。该算法首先结合小波硬阈值、软阈值去噪模型以及现有的改进型小波阈值去噪模型的特点,建立一种改进型小波阈值去噪模型并用于去除遥感图像中的随机噪声;然后将原始遥感图像与小波去噪后的图像作差运算,得到原始差值图像,再对原始差值图像进行非局部均值滤波,得到滤波后的差值图像;最后将小波去噪后的图像与滤波后的差值图像进行融合。采用MATLAB语言编写程序,试验数据为白云鄂博矿区的2幅遥感图像,采用峰值信噪比(Peak signal noise to ratio,PSNR)和算法耗时等指标对算法去噪效果进行评价。试验结果表明:所提算法的去噪结果明显优于小波软阈值去噪模型及非局部均值滤波,此外,该算法耗时相对于其余2类算法而言也有一定的优势,对于提高矿山遥感图像的判读精度有一定的参考价值。     

基于小波变换的影像融合算法与效果评价

在众多的图像融合技术中,基于小波变换的图像融合方法已成为目前研究的一个热点。小波变换具有多分辨率等特点,可以有效地将特征明显、分辨率高的图像融合在一起,得到比任何一幅源图像效果都好的图像。在阐述小波变换的Mallat算法的同时,对遥感影像融合的分析与评价进行了深入的探讨,提出了综合利用3类统计参数进行评价的方法。经实验,评价结果与理论分析结果和目视效果相吻合,说明这些参数可以作为遥感影像融合客观效果的评价准则。     

矿山遥感图像小波域模糊隶属度阈值去噪算法

矿山遥感图像作为一类重要的矿山测量数据,其质量在很大程度上受到矿区成像环境的影响。鉴于小波变换的图像多尺度分析特性,提出了一种小波域遥感图像模糊隶属度阈值去噪算法。该算法首先对失真的矿山遥感图像采用均值滤波算法进行预处理,消除一部分图像噪声。然后对预处理后的图像进行3层小波分解,对于基本不受噪声污染的低频小波分解系数不作处理,根据高频小波分解系数的噪声分布特征,设计了模糊隶属度阈值去噪模型用于去除其中的噪声,该模型对小波软阈值去噪模型进行了2点改进:1根据图像局部区域噪声信息与非噪声信息难以有效区分的情况,设计了模糊隶属度因子,通过设定特定的小波阈值,对不同的高频小波分解系数是否含有噪声进行自适应判定;2顾及到图像小波分解层数以及各高频小波分解系数的幅值,对经典小波贝叶斯阈值计算方法进行了改进。最后将原始低频小波分解系数与去噪后的高频小波分解系数进行重构,得到高清晰度的矿山遥感图像。采用山东兖州矿区的1幅遥感图像进行试验,并引入了边缘保持指数(Edge protection index,EPI)、信噪比(Signal noise to ratio,SNR)进行去噪效果评价,结果表明:所提算法对于失真的矿山遥感图像的去噪效果明显优于小波硬阈值、软阈值去噪模型,并且相对于已有的2类改进型去噪模型,优势也较显著。